DreamNet：睡眠叙事语义与情感分析的多模态框架

梦境叙事为了解人类认知与情感提供了独特的窗口，然而利用人工智能对其进行系统分析的研究仍显不足。我们提出了 DreamNet，一种新颖的深度学习框架，能够从文本梦境报告中解码语义主题与情感状态，并可选择性地结合快速眼动（REM）睡眠阶段的脑电（EEG）数据进行增强。DreamNet 利用基于 Transformer 的架构与多模态注意力机制，在包含 1,500 份匿名梦境叙事的精选数据集上，其纯文本模式（DNet-T）实现了 92.1% 的准确率和 88.4% 的 F1 分数；在结合 EEG 数据后（DNet-M），准确率提升至 99.0%，F1 分数提升至 95.2%。强烈的梦境-情感相关性（例如，坠落-焦虑，r = 0.91，p < 0.01）突显了其在心理健康诊断、认知科学和个性化治疗方面的潜力。这项工作提供了一个可扩展的工具、一个公开的增强数据集以及一套严谨的方法论，搭建了人工智能与心理学研究之间的桥梁。